Q:
Was ist der Unterschied zwischen künstlicher Intelligenz, maschinellem Lernen und Tiefenlernen?
EIN:Die Begriffe „künstliche Intelligenz“, „maschinelles Lernen“ und „Tiefenlernen“ beschreiben einen Prozess, der in den letzten Jahrzehnten auf sich selbst aufgebaut hat, da die Welt enorme Fortschritte bei der Rechenleistung, der Datenübertragung und anderen technologischen Zielen erzielt hat.
Das Gespräch sollte mit künstlicher Intelligenz beginnen, ein weit gefasster Begriff für die Fähigkeit von Computern oder Technologien, menschliches Denken oder Gehirnaktivität zu simulieren. In gewisser Weise begann die künstliche Intelligenz früh mit einfachen Computerschachspielen und anderen Programmen, die anfingen, menschliche Entscheidungen und Gedanken nachzuahmen.
| Kostenloser Download: Maschinelles Lernen und warum es wichtig ist |
Die künstliche Intelligenz entwickelte sich von den Anfängen des PCs über das Internet bis hin zu Cloud-Computing, Virtualisierung und hoch entwickelten Netzwerken. Künstliche Intelligenz ist als Schlüsseltechnologie-Branche in vielerlei Hinsicht gewachsen und gewachsen.
Einer der Meilensteine in der künstlichen Intelligenz ist das Aufkommen und die Übernahme des maschinellen Lernens, ein besonderer Ansatz zur Erreichung der Ziele der künstlichen Intelligenz.
Beim maschinellen Lernen werden ausgefeilte Algorithmen und Programme verwendet, um Computersoftware dabei zu unterstützen, bestimmte Entscheidungen in einer Leistungsumgebung besser zu treffen. Anstatt einen Computer einfach so zu programmieren, dass er immer wieder eine Reihe von Aufgaben ausführt, wie dies bei den handcodierten Programmen der 1970er und 1980er Jahre der Fall war, werden beim maschinellen Lernen Heuristiken, Verhaltensmodelle und andere Arten von Projektionen verwendet, um dies zu ermöglichen Technologie, um ihre Entscheidungsfindung zu verbessern und sich im Laufe der Zeit weiterzuentwickeln. Maschinelles Lernen wurde angewendet, um Spam-E-Mails zu bekämpfen, Persönlichkeiten der künstlichen Intelligenz wie IBM Watson zu implementieren und Ziele der künstlichen Intelligenz auf andere Weise zu erreichen.
Deep Learning baut wiederum auf maschinellem Lernen auf. Experten bezeichnen Deep Learning als die Verwendung von Algorithmen zur Steuerung von Abstraktionen auf hoher Ebene, beispielsweise die Verwendung künstlicher neuronaler Netze, um Technologien für Aufgaben zu trainieren. Deep Learning bringt maschinelles Lernen auf die nächste Ebene, indem es versucht, die tatsächliche Aktivität des menschlichen Gehirns zu modellieren und diese auf künstliche Entscheidungen oder andere kognitive Arbeiten anzuwenden.
Deep Learning wurde anhand von Beispielen wie hochmodernen Programmen zur Optimierung der Lieferkette, Laborausrüstungsprogrammen und anderen Arten von Innovationen wie dem generativen kontradiktorischen Netzwerk demonstriert, bei denen zwei entgegengesetzte Netzwerke, ein generatives und ein diskriminatives Netzwerk, gegeneinander arbeiten, um den Menschen zu modellieren Denkprozesse der Diskriminierung. Diese besondere Art des Tiefenlernens kann auf die Bildverarbeitung und andere Anwendungen angewendet werden.
Die Realität ist, dass tiefes Lernen künstliche Intelligenz näher an das heranführt, was Experten als „starke KI“ betrachten, künstliche Intelligenz, die in der Lage ist, viele menschliche Gedankenfunktionen mehr oder weniger vollständig zu replizieren. Dies gibt Anlass zu erheblichen Diskussionen darüber, wie diese aufkommenden Technologien effektiv gehandhabt werden können und wie eine Welt gepflegt werden kann, in der Computer auf die gleiche Weise denken wie wir.
